在日常家庭生活中，人们可能需要花费大量时间去寻找随意摆放在家中某些角落里的小物品。但如果给某些重要物品贴上电路标签，再利用诸如扫地机器人的全屋覆盖能力，可以精准定位到这些物体，将极大地提升人们生活的便利性。而在智能辅助驾驶或者自动驾驶领域，更需要精准探测邻近车辆、行人的位置及速度，来控制车速、转向和刹车等以免发生意外。这些都属于移动场景定位问题。显然，定位的精度越高，应用价值越大，特别是超分辨率定位，具有广阔的应用前景。

现有移动场景定位产品通常采用调频连续波雷达FMCW (frequency-modulated continuous-wave) ，通过发射线性增长频率的信号波，以及接收反射回来的信号波来进行定位，示意图如下

其中PA（Power Amplifier），LNA（Low Noise Amplifier），ADC（Analogue-to-Digital Converter）。现有产品大多采用基线算法，其得到的分辨率较低，不能满足日益增长的超分辨定位需求，亟需通过建模以及设计对应算法来提高分辨率，以提升产品竞争力。

华为每年的题目一定和信号处理、雷达 相关的，今年也是一样，推荐电信、物理、信号处理等专业的同学做这个题目，毕竟专业强相关，容易获奖，题目介绍中给出了比较详细的模型和推导公式，可以按照这个进一步开展模型建立，

问题1：根据题目给定的公式就可以求解，难点在于求解数学模型，

问题2：考虑到噪音问题，判断是否需要滤波等，文中给出了3种不同算法，建议看看最新的文献是否有改进算法

移动场景超分辨率定位是指：在上述移动场景下，设计鲁棒的低复杂度在线算法，实时超分辨率定位到物体。（不妨假设天线半径远小于物体的距离）

现有算法及研究现状：

问题： 

附录：

[1] 毫米波雷达传感器基础知识https://www.ti.com/cn/lit/wp/zhcy075/zhcy075.pdf?ts=1657869722417&ref_url=https%253A%252F%252Fwww.google.com%252F

[2] Herman, M. A., & Strohmer, T. (2009). High-resolution radar via compressed sensing. IEEE transactions on signal processing, 57(6), 2275-2284.

[3] F. Belfiori, W. van Rossum, and P. Hoogeboom, “2D-MUSIC technique applied to a coherent FMCW MIMO radar,” in Radar Systems (Radar 2012), IET International Conference on, Glasgow, United Kingdom, Oct 2012, pp. 1–6.

数据说明：

名词解释：